一种变电站刀闸位开关位指示自动识别方法及装置制造方法
【专利摘要】本发明提供一种变电站刀闸位开关位指示自动识别方法及装置，该方法包括：通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像；分析所述目标图像的HOG特征和/或HSV特征；根据所述HOG特征和/或HSV特征，计算所述待识别的刀闸位开关位处于闭合状态的概率值和处于断开状态的概率值；比较所述闭合状态的概率值和断开状态的概率值，确定所述待识别的刀闸位开关位处于闭合状态或是断开状态。本发明提供的变电站刀闸位开关位指示自动识别方法及装置针对刀闸位以及开关位指示的图像的特殊性，通过提取图像的不同特征，综合分析判断，提高检测的准确性，防止误检的情况，实现准确检测的目的。
【专利说明】—种变电站刀闸位开关位指示自动识别方法及装置
【技术领域】
[0001]本发明涉及输变电设备状态识别领域，尤其涉及一种变电站刀闸位开关位指示自动识别方法及装置。
【背景技术】
[0002]随着社会进步经济发展，公众对用电质量的要求越来越高，这就要求电力提供方对供电网络和设备进行更好的监控，而室内变电站刀闸位开关位指示的识别就是其中的重要监控项目。
[0003]目前对于室内变电站刀闸位开关位指示的识别，主要是通过两种方式:人工巡检的方式和图像模板匹配检测。
[0004]人工巡检的方式即通过变电站工作人员前往现场进行识别，不言而喻，该方式效率低，不能实时掌握设备的运行状况，当设备运行出现异常时，不能及时采取有效措施，而且变电站工作人员在高磁场高电压下工作危险性高，对身体伤害较大。
[0005]图像模板匹配检测即通过视频得到设备的图像，对图像与模板图像进行图像匹配，判断匹配的结果。其缺点是由于所采集的图像在不同环境下会有一些差异，如光照、拍摄角度、拍摄距离等，都会对匹配的结果造成影响，导致检测结果不准确。
【发明内容】
[0006]为解决现有技术中室内变电站中刀闸位开关位指示识别准确率不高的问题，本发明提出一种可以准确识别室内变电站中刀闸位开关位指示的方法及装置，针对刀闸位以及开关位指示的图像的特殊性，通过提取图像的不同特征，综合分析判断，提高检测的准确性，防止误检的情况，实现准确检测的目的。
[0007]本发明提供的变电站刀闸位开关位指示自动识别方法包括:
[0008]通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像；
[0009]分析所述目标图像的方向梯度直方图(HOG, Histogram of Oriented Gradient)特征和 / 或颜色(HSV/hsv, Hue, Saturat1n, Value)特征；
[0010]根据所述HOG特征和/或HSV特征，计算所述待识别的刀闸位开关位处于闭合状态的概率值和处于断开状态的概率值；
[0011]比较所述闭合状态的概率值和断开状态的概率值，确定所述待识别的刀闸位开关位处于闭合状态或是断开状态。
[0012]其中，所述通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像之前，还包括:
[0013]在不同的条件下通过摄像装置采集刀闸位开关指示位的样本图像；所述不同的条件包括:不同的拍摄距离，不同的光线，不同的拍摄角度；
[0014]将所述样本图像按比例分为训练样本和测试样本；将训练样本和测试样本从RGB空间转换为灰度空间；
[0015]提取所述测试样本中所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征；其中，HOG检测窗口的大小与目标图像的大小一致；
[0016]按照所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征进行支持向量机(SVM, Support Vector Machine)训练,得到HOG特征的SVM分类器系数；
[0017]HOG特征的SVM分类器对测试样本进行检测，并对检测的结果进行统计，得出检测的准确率Pl。
[0018]其中，所述通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像之前，还包括:
[0019]在不同的条件下通过摄像装置采集刀闸位开关指示位的样本图像；所述不同的条件包括:不同的拍摄距离，不同的光线，不同的拍摄角度；
[0020]将所述样本图像按比例分为训练样本和测试样本，并从所述训练样本中截取一部分作为目标训练样本；所述目标训练样本的大小与所述目标图像的大小一致；
[0021 ] 将目标训练样本从RGB空间转换到HSV/hsv空间，转换的公式为:
【权利要求】
1.一种变电站刀闸位开关位指示自动识别方法，其特征在于，包括: 通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像； 分析所述目标图像的方向梯度直方图HOG特征和/或颜色HSV特征； 根据所述HOG特征和/或HSV特征，计算所述待识别的刀闸位开关位处于闭合状态的概率值和处于断开状态的概率值； 比较所述闭合状态的概率值和断开状态的概率值，确定所述待识别的刀闸位开关位处于闭合状态或是断开状态。
2.如权利要求1所述的变电站刀闸位开关位指示自动识别方法，其特征在于，所述通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像之前，还包括: 在不同的条件下通过摄像装置采集刀闸位开关指示位的样本图像；所述不同的条件包括:不同的拍摄距离，不同的光线，不同的拍摄角度； 将所述样本图像按比例分为训练样本和测试样本；将训练样本和测试样本从RGB空间转换为灰度空间； 提取所述测试样本中所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征；其中，HOG检测窗口的大小与目标图像的大小一致； 按照所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征进行支持向量机SVM训练，得到HOG特征的SVM分类器系数； HOG特征的SVM分类器对测试样本进行检测，并对检测的结果进行统计，得出检测的准确率Pl。
3.如权利要求1所述的变电站刀闸位开关位指示自动识别方法，其特征在于，所述通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像之前，还包括: 在不同的条件下通过摄像装置采集刀闸位开关指示位的样本图像；所述不同的条件包括:不同的拍摄距离，不同的光线，不同的拍摄角度； 将所述样本图像按比例分为训练样本和测试样本，并从所述训练样本中截取一部分作为目标训练样本；所述目标训练样本的大小与所述目标图像的大小一致； 将目标训练样本从RGB空间转换到HSV空间，转换的公式为:
按照所述待识别的刀闸位开关位处于闭合状态和断开状态的HSV特征进行支持向量机SVM训练，得到HSV特征的SVM分类器系数； HSV特征的SVM分类器对测试样本进行检测，并对检测的结果进行统计，得出检测的准确率P2。
4.如权利要求1所述的变电站刀闸位开关位指示自动识别方法，其特征在于，所述通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像之前，还包括: 在不同的条件下通过摄像装置采集刀闸位开关指示位的样本图像；所述不同的条件包括:不同的拍摄距离，不同的光线，不同的拍摄角度；将所述样本图像按比例分为训练样本和测试样本； 将训练样本和测试样本从RGB空间转换为灰度空间；提取所述测试样本中所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征；其中，HOG检测窗口的大小与目标图像的大小一致；按照所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征进行支持向量机SVM训练，得到HOG特征的SVM分类器系数；通过对测试样本按照得到的HOG特征的SVM分类器进行检测，对检测的结果进行统计，得出检测的准确率Pl ； 将所述样本图像按比例分为训练样本和测试样本，并从所述训练样本中截取一部分作为目标训练样本；所述目标训练样本的大小与所述目标图像的大小一致；将目标训练样本从RGB空间转换到HSV空间，转换的公式为:
V= max (R, G, B)
按照所述待识别的刀闸位开关位处于闭合状态和断开状态的HSV特征进行SVM分类训练，得到HSV特征的SVM分类器系数；通过对测试样本按照得到的HSV特征的SVM分类器进行检测，对检测的结果进行统计，得出检测的准确率P2 ； 将Pl和P2进行归一化处理，得到归一化后的系数wl和《2，作为HOG特征和HSV特征的权重系数，其中
5.如权利要求2所述的变电站刀闸位开关位指示自动识别方法，其特征在于，根据所述HOG特征和/或HSV特征，计算所述待识别的刀闸位开关位处于闭合状态的概率值和处于断开状态的概率值，包括: 根据所述HOG特征，通过所述HOG特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Psl和处于闭合状态的初始概率值Ps2 ； 将刀闸位开关位处于断开状态的初始概率值Psl和处于闭合状态的初始概率值Ps2与所述HOG特征的SVM分类器的准确率Pl结合，得到校准概率值Al和A2，其中，Al =PlXPsl ；A2 = PlXPs2 ； 所述比较所述闭合状态的概率值和断开状态的概率值，确定所述待识别的刀闸位开关位处于闭合状态或是断开状态，包括: 比较所述校准概率值Al和A2，确定刀闸位开关位处于断开状态还是处于闭合状态；若校准概率值A1>A2，且Al大于预置的判定阈值，则确定刀闸位开关位处于断开状态；若校准概率值A2>A1，且A2大于预置的判定阈值，则确定刀闸位开关位处于闭合状态。
6.如权利要求3所述的变电站刀闸位开关位指示自动识别方法，其特征在于，根据所述HOG特征和/或HSV特征，计算所述待识别的刀闸位开关位处于闭合状态的概率值和处于断开状态的概率值，包括: 根据所述HSV特征，通过所述HSV特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Pcl和处于闭合状态的初始概率值Pc2 ； 将刀闸位开关位处于断开状态的初始概率值Pcl和处于闭合状态的初始概率值Pc2与所述HSV特征的SVM分类器的准确率P2结合，得到校准概率值Al和A2，其中，Al =P2XPcl ；A2 = P2XPc2 ； 所述比较所述闭合状态的概率值和断开状态的概率值，确定所述待识别的刀闸位开关位处于闭合状态或是断开状态，包括: 比较所述校准概率值Al和A2，确定刀闸位开关位处于断开状态还是处于闭合状态；若校准概率值A1>A2，且Al大于预置的判定阈值，则确定刀闸位开关位处于断开状态；若校准概率值A2>A1，且A2大于预置的判定阈值，则确定刀闸位开关位处于闭合状态。
7.如权利要求4所述的变电站刀闸位开关位指示自动识别方法，其特征在于，根据所述HOG特征和/或HSV特征，计算所述待识别的刀闸位开关位处于闭合状态的概率值和处于断开状态的概率值，包括: 根据所述HOG特征，通过所述HOG特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Psl和处于闭合状态的初始概率值Ps2 ;根据所述HSV特征，通过所述HSV特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Pcl和处于闭合状态的初始概率值Pc2 ； 将Psl、Ps2、Pcl、Pc2与HOG特征和HSV特征的权重系数wl、w2结合，得到校准概率值Al 和 A2 ;其中，Al = wlXPsl+w2XPcl ；A2 = wl XPs2+w2XPc2 ； 所述比较所述闭合状态的概率值和断开状态的概率值，确定所述待识别的刀闸位开关位处于闭合状态或是断开状态，包括: 比较所述校准概率值Al和A2，确定刀闸位开关位处于断开状态还是处于闭合状态；若校准概率值A1>A2，且Al大于预置的判定阈值，则确定刀闸位开关位处于断开状态；若校准概率值A2>A1，且A2大于预置的判定阈值，则确定刀闸位开关位处于闭合状态。
8.一种变电站刀闸位开关位指示自动识别装置，其特征在于，包括: 图像获取模块，用于通过摄像装置采集待识别的刀闸位开关位的原始图像，并从所述原始图像中截取一部分作为目标图像； 特征分析模块，用于分析所述图像获取模块所获取的目标图像的方向梯度直方图HOG特征和/或颜色HSV特征； 概率计算模块，用于根据所述HOG特征和/或HSV特征，计算所述待识别的刀闸位开关位处于闭合状态的概率值和处于断开状态的概率值； 状态判断模块，用于比较所述闭合状态的概率值和断开状态的概率值，确定所述待识别的刀闸位开关位处于闭合状态或是断开状态。
9.如权利要求8所述的变电站刀闸位开关位指示自动识别装置，其特征在于，所述装置还包括: SVM训练模块，用于通过图像获取模块在不同的条件下采集刀闸位开关指示位的样本图像；将所述样本图像按比例分为训练样本和测试样本；提取所述测试样本中所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征和/或HSV特征；按照所述待识别的刀闸位开关位处于闭合状态和断开状态的HOG特征和/或HSV特征进行SVM训练，得到HOG特征和/或HSV特征的SVM分类器系数；H0G特征和/或HSV特征的SVM分类器对测试样本进行检测，并对检测的结果进行统计，HOG特征的SVM分类器的准确率Pl，HSV特征的SVM分类器的准确率P2。
10.如权利要求9所述的变电站刀闸位开关位指示自动识别装置，其特征在于，所述概率计算模块包括:H0G计算单元,或者HSV计算单元,或者综合计算单元； HOG计算单元，用于根据所述HOG特征，通过所述HOG特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Psl和处于闭合状态的初始概率值Ps2 ;将刀闸位开关位处于断开状态的初始概率值Psl和处于闭合状态的初始概率值Ps2与所述HOG特征的SVM分类器的准确率Pl结合，得到校准概率值Al和A2，其中，Al =PlXPsl ；A2=PlXPs2 ； HSV计算单元，用于根据所述HSV特征，通过所述HSV特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Pcl和处于闭合状态的初始概率值Pc2 ;将刀闸位开关位处于断开状态的初始概率值Pcl和处于闭合状态的初始概率值Pc2与所述HSV特征的SVM分类器的准确率P2结合，得到校准概率值Al和A2，其中，Al = P2 XPel ；A2=P2XPc2 ； 综合计算单元，用于根据所述HOG特征，通过所述HOG特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Psl和处于闭合状态的初始概率值Ps2 ；根据所述HSV特征，通过所述HSV特征的SVM分类器计算所述待识别的刀闸位开关位处于断开状态的初始概率值Pcl和处于闭合状态的初始概率值Pc2 ^fPsl、Ps2、Pel、Pc2与HOG特征和HSV特征的权重系数wl、w2结合，得到校准概率值Al和A2 ;其中，Al =
u.1 _ P1 u.2 - P2wlXPsl+w2XPcl ；A2 = wl XPs2+w2XPc2 ； p\ + p2p\ +p2.所述状态判断模块包括:状态判断单元和阈值预置单元； 状态判断单元，用于比较所述校准概率值Al和A2，确定刀闸位开关位处于断开状态还是处于闭合状态；若校准概率值A1>A2，且Al大于阈值预置单元中的阈值，则确定刀闸位开关位处于断开状态；若校准概率值A2>A1，且A2大于阈值预置单元中的阈值，则确定刀闸位开关位处于闭合状态； 阈值预置单元，用于预置判定刀闸位开关位处于断开状态还是处于闭合状态的阈值。
【文档编号】G06K9/46GK104200219SQ201410414532
【公开日】2014年12月10日 申请日期:2014年8月20日 优先权日:2014年8月20日
【发明者】戴昊, 王玮, 曾德军, 崔志文, 林懿, 高文江, 邵心元, 方丙涛, 陈鲲, 孙荣乐 申请人:深圳供电局有限公司